LLM 谈判中的情感分析
原文中文，约400字，阅读约需1分钟。发表于：。该论文介绍了一种用于情感分析的多 LLM 协商框架，其中包括一个推理注入生成器来提供决策及其理由，以及一个评估生成器可信度的解释推导鉴别器，通过迭代使生成器和鉴别器达成一致，从而解决了情感分析中的单一决策缺陷的问题。实验证明，该方法在各种情感分析基准上表现出更好的性能。
本文介绍了一种基于情感分析的新数据集，以及使用该数据集进行的一系列实验。研究者训练了一个强大的情感分类器，用于议会会议，并引入了第一个领域特定的 LLM（语言模型）用于政治科学应用。实验证明，LLM 在议会数据上的额外预训练可以显著提高模型的性能，尤其是在情感检测等具体领域任务上。同时，该研究显示多语言模型在未知语言上表现良好，并且来自其他语言的额外数据显著提高了目标议会的结果。该研究对社会科学的多个领域做出了重要贡献，并建立了一种更可靠的政治文本情感分析方法。
